Pengelompokkan Dokumen (Text Clustering)


Dokumen clustering (pengelompokan atau Text) adalah dokumen organisasi otomatis, ekstraksi topik dan pengambilan informasi yang cepat atau penyaringan. Hal ini terkait erat dengan pengelompokan data.
Sebuah mesin pencari web sering kembali ribuan halaman dalam menanggapi permintaan yang luas, sehingga sulit bagi pengguna untuk mencari atau mengidentifikasi informasi yang relevan. Metode Clustering dapat digunakan untuk secara otomatis mengelompokkan dokumen diambil ke dalam daftar kategori bermakna, seperti yang dicapai oleh Search engine Perusahaan seperti Northern Light dan Vivisimo, mesin pencari konsumen seperti PolyMeta dan Helioid, atau perangkat lunak open source seperti Carrot2.Contoh:

FirstGov.gov, portal web resmi untuk pemerintah AS, menggunakan pengelompokan dokumen untuk secara otomatis mengatur hasil pencarian ke dalam kategori. Misalnya, jika pengguna mengirimkan "imigrasi", di samping daftar mereka hasil yang mereka akan melihat kategori untuk "Reformasi Imigrasi", "Kewarganegaraan dan Layanan Imigrasi", "Kerja", "Departemen Keamanan Dalam Negeri", dan banyak lagi. Laten Analisis probabilistik Semantic (PLSA) juga dapat dilakukan untuk melakukan pengelompokan dokumen.
Pengelompokan Dokumen melibatkan penggunaan deskriptor dan ekstraksi deskriptor. Deskriptor merupakan set kata-kata yang menggambarkan isi dalam cluster. Pengelompokan Dokumen umumnya dianggap sebagai proses yang terpusat. Contoh pengelompokan dokumen termasuk web pengelompokan dokumen untuk pengguna pencarian.
Penerapan clustering dokumen dapat dikategorikan menjadi dua jenis, online dan offline. Aplikasi online biasanya dibatasi oleh masalah efisiensi jika dibandingkan aplikasi offline.
Secara umum, ada dua algoritma yang umum. Yang pertama adalah algoritma berbasis hirarkis, yang meliputi link tunggal, linkage lengkap, rata-rata kelompok dan metode Ward. Dengan menggabungkan atau membagi, dokumen dapat dikelompokkan ke dalam struktur hirarkis, yang cocok untuk browsing. Namun, seperti algoritma biasanya menderita dari masalah efisiensi. Algoritma lainnya dikembangkan dengan menggunakan algoritma K-sarana dan variannya. Biasanya, itu adalah efisiensi yang lebih besar, namun kurang akurat daripada algoritma hirarkis.
Algoritma lain melibatkan grafik clustering, pengelompokan berbasis ontologi didukung dan clustering agar sensitif.

Komentar

Posting Komentar

Postingan populer dari blog ini

Legenda ajisaka, joko linglung, bumi kesongo Dan asal usul honocoroko

Gambar
Konon kabarnya bahwa tanah Pulau jawa ini sudah dikuasai oleh Kerajaan Galuh yang diperintah Prabu Sindulaya Sang Hyang Prabu Watu Gunung. Pusat pemerintahannya berada di Jawa Barat, karena dianggap mempunyai peranan penting terhadap raja-raja di luar Jawa. Beliau memang berhasil mengangkat nama Galuh menjadi termasyhur dan juga rakyatnya hidup makmur. Prabu Watu Gunung dikaruniai empat orang putra, yaitu Dyah ayu Dewi menjadi ratu di Nusatembini, Pangeran Adipati Dewata Cengkar, Dewata Pemunah Sakti menjadi adipati di Madura, dan yang terakhir Pangeran Adipati Dewata Agung menjadi adipati di Pulau Bali. Rakyat Galuh cenderung tidak senang terhadap salah seorang pangeran yaitu Pangeran Adipati Dewata Cengkar. Tingkah lakunya yang kasar terhadap rakyat kecil dan suka menganiaya orang sangat tidak mencerminkan sebagai seorang pangeran. Lebih-lebih terhadap salah satu kegemarannya yang suka memakan daging manusia. Hal tersebut menjadikan rakyat Galuh yang dulunya hidup tenteram berubah me
Baca selengkapnya

Sistem Bilangan Biner Penjumlahan dan Pengurangan Complement

SISTEM BILANGAN BINER Sistem bilangan biner merupakan sistem bilangan dengan basis 2. Sistem bilangan biner menggunakan dua buah simbol yaitu : 0 dan 1. Contoh bilangan biner adalah 1001 yang dapat diartikan dalam sistem bilangan desimal menjadi sebagai berikut : Position value dalam sistem bilangan biner merupakan perpangkatan dari nilai 2. Nilai desimal dari sistem bilangan biner juga dapat dicari menggunakan rumus dibawah ini. Contoh : Pertambahan Bilangan BINER Pertambahan pada sistem bilangan biner dilakukan dengan cara yang sama dengan pertambahan pada sistem bilangan desimal. Dasar dari pertambahan sistem bilangan biner dapat dilihat pada gambar dibawah ini. Contoh pertambahan bilangan BINER : Pengurangan Bilangan BINER Pengurangan pada sistem bilangan BINER dilakukan dengan cara yang sama dengan pengurangan sistem bilangan desimal. Dasar dari pengurangan sistem bilangan BINER dapat dilihat pada gambar dibawah ini.Contoh pengurangan
Baca selengkapnya

Pengertian, kekurangan dan kelebihan Algoritma K-Nearest Neighbour

Gambar
Algortima K-Nearest Neighbour Algortima KNN merupakan sebuah metode untuk melakukan klasifikasi terhadap obyek baru berdasarkan (K) tetangga terdekatnya (Gorunescu, 2011). KNN termasuk algoritma supervised learning, dimana hasil dari query instance yang baru, diklasifikasikan berdasarkan mayoritas dari kategori pada KNN. Kelas yang paling banyak muncul yang akan menjadi kelas hasil klasifikasi. Urutan Algoritma KNN 1.Menentukan parameter K (jumlah tetangga paling dekat) 2.Menghitung kuadrat jarak euclidian (euclidean distance) masing-masing obyek terhadap data sampel yang diberikan 3.Mengurutkan objek-objek tersebut ke dalam kelompok yang mempunyai jarak euclid terkecil 4.Mengumpulkan kategori Y (klasifikasi nearest neighbor) 5.Dengan menggunakan kategori mayoritas,maka dapat diprediksikan nilai query instance yang telah dihitung Kelebihan Lebih efektif di data training yang besar Dapat menghasilkan data yang lebih akurat Kekurangan Perlu ditentukan nilai k yang paling opti
Baca selengkapnya